摸鱼巨匠🔨 (@SunNeverSetsX)

做交易的最怕的就是这种情况： 赚了 99 次，第 100 次全部亏光。 在 AI Trading 这条路上探索了这么久，我也是严防 Agent 在交易中出现这种情况。 甚至 AI Trading 还有进一步的问题，因为大模型有幻觉。 为了参加黑客松活动，我一直在思考合适的 Harness 去约束 Agent 终于，我看到了 VergeX 这个项目，它完美地帮我补上了这个风控层。 VergeX 中，提供了非常明确的风控结构，例如最大杠杆、最小盈亏比、最低置信度等，直接从代码层去硬约束 Agent 的交易 更关键的是，VergeX 的策略模块不是简单把 AI 的回答直接拿去下单，而是会解析 AI 输出、校验 JSON 决策、检查 action 类型、杠杆范围、仓位大小、止损止盈、盈亏比、confidence 等字段 这种做法非常符合了我对 Agent 风控层的约束模板，既对策略输出直接进行约束，也拒绝了大模型幻觉问题的出现。 此外，我还在 VergeX 中发现了很多意想不到的收获，比如说： 1. 完整决策日志，方便复盘 这条很有价值。 AI 基于什么数据判断？ 是否超过杠杆/仓位/保证金限制？ 如果出错，是模型判断错，还是执行接口错？ 这些问题，都是做 AI Trading 中经常会遇到的。 VergeX 交易日志中保存的，是当时 AI 看到了什么数据、被什么规则约束、输出了什么结构化决策、风控如何处理、最后有没有执行成功。 这种结构化的日志，不是简单的交易回测，而是帮助我们在更深层次地解决 Agent Trading 中出现的问题。 2. 多模型评估策略 VergeX 中有一个理念我非常喜欢：我不迷信某一个大模型最强，而是把不同模型放到同一套交易环境中比较。 实际上我跑下来也是这样，各大模型有他们擅长的能力： Qwen 偏擅长技术面； Claude 更谨慎； Grok 可能更关注市场叙事； DeepSeek 可能给出另一种风险解释 VergeX 的多模型评估策略就是这样，通过多个 AI Trader 在同一场景跑、多个 AI 模型互相辩论分析、用 AI models 跑历史策略回测等多种方式，进一步完善了我现有的 AI Trading 模型。 近期会进一步把 VergeX 的框架进一步融入到我现有的 AI Trading 的执行层中。 如果你有更好的想法，也欢迎交流交流

今天偶然刷到 BitGet 的这个 AI 黑客松，看了一下奖池，有点吸引。只要入选，就有 800U，第一名能有 1500U，所以我打算参赛！ 作为一名深度探索 AI x Trading 的践行者，这几个月自己也 Vibe Coding 出来不少小作品，所以我相信不少思路是能套用到本次比赛上的，这也是我这次打算参赛的重要原因之一 虽然我在 AI Trading 这条路上做了不少探索，但是说实话我压力还是比较大的。 因为 @Bitget_AI 这边提供了非常多的基建和工程脚手架，比如说Bitget Agent Hub 直接给 AI 开发者提供了交易工具包，Bitget Playbook 让交易者用自然语言就可以描述交易思路、策略和各种回测。 AI 时代就是这样，只需要你有想法，剩下的就是寻找能展现你自身的平台 大家加油！一起在 #BitgetHackathon# 中进个好名次！